NeuroNCAP：自主驾驶的真实感闭环安全测试
内容提要
本文介绍了多种自动驾驶模拟技术，包括基于神经辐射场的模拟器和引导扩散模型，旨在提升自主性能评估的真实性和互动性。研究者们通过优化车辆形状和生成安全关键场景，开发了新的评估框架，增强了对交通场景的控制和反应能力，为自动驾驶领域的研究和应用提供了重要支持。
延伸解读
闭环模拟：从开环到交互式评估
文章强调闭环传感器模拟在自主性能评估中的核心地位。与开环测试不同，闭环模拟让规划器的输出实时影响环境，从而更真实地反映车辆行为。UniSim 将真实传感器日志转化为逼真多传感器模拟，支持安全关键场景的闭环评估。这种交互性有助于发现开环测试中难以暴露的规划缺陷，但同时也对模拟器的实时性和保真度提出了更高要求。
生成安全关键场景的两条技术路径
文章介绍了两种生成安全关键场景的方法：基于引导扩散模型的闭环模拟框架和 AdvSim 对抗性框架。前者通过引导目标改善道路进展并降低碰撞和离道率，利用去噪过程中的对抗项使代理既能挑战规划器又保持行为逼真；后者直接针对基于 LiDAR 的自主系统，从传感器数据模拟获取安全关键场景。两者都旨在增强评估的可控性和互动性，但技术路线不同，适用于不同的测试需求。
规划基准与端到端方法的进展
文章提到首个基于机器学习的自动驾驶闭环规划基准测试，包含来自四个城市 1500 小时的人类驾驶数据，并提供了反应性代理和规划特定度量。同时，一种基于 MLP 的端到端规划方法仅使用原始传感器数据直接输出未来轨迹，在 nuScenes 数据集上降低了约 30% 的平均 L2 错误。这些进展表明，数据驱动的规划评估正逐步标准化，但基准的覆盖范围和度量设计仍需进一步验证。
模拟器开源与行业部署的平衡
基于神经辐射场的自主驾驶模拟器具有独立的前景模型和背景环境网络，支持模块化设计，实现了照片级逼真效果，并将以开源形式发布。这为学术研究和行业部署提供了支持，但开源模拟器的维护、更新以及与实际传感器数据的对齐仍是挑战。此外，模拟环境的真实感提升有助于缩小仿真与现实的差距，但无法完全替代道路测试，需结合其他验证手段。
Q&A
什么是UniSim，它的主要功能是什么？
UniSim是一个神经传感器模拟器，可以将车辆传感器日志转化为逼真的闭环多传感器模拟，用于安全关键场景的评估。
基于神经辐射场的模拟器有什么特点？
基于神经辐射场的模拟器支持模块化设计，实现照片级逼真效果，并将以开源形式发布。
引导扩散模型在自动驾驶模拟中有什么应用？
引导扩散模型用于生成现实世界的安全关键场景，增强评估的可控性和互动性。
AdvSim框架的主要功能是什么？
AdvSim是一个对任何基于LiDAR的自主系统生成安全关键场景的对抗性框架，直接从传感器数据模拟获取安全关键场景。
如何利用深度神经网络验证自动驾驶系统的性能？
通过建模驾驶安全体验的机器学习系统，可以验证自动驾驶系统的性能，无需进行道路测试。
文章中提到的自动驾驶闭环规划基准测试包含哪些数据？
该基准测试包含来自四个城市的1500小时人类驾驶数据。
